نویسنده : نسیبه کاظمی

دانشكده : دانشکده تحصیلات تکمیلی و مجتمع فنی

رشته/گرایش تحصيلي : مهندسي كامپيوتر- نرم افزار

استاد راهنما (استاد مدعو) : , سرکار خانم دکتر اعظم السادات نوربخش,

چكيده : چکیده امروزه اهمیت برنامه های کاربردی بینایی ماشین و تجهیزات چند رسانه ای در حال افزایش روز افزون است، سیستم های تشخیص چهره در زمینه های بیومتریک، سیستم های امنیتی، دنبال کردن خط دید چشم، تعیین نژاد، جنس و حالت چهره کاربرد دارد اما از آنجائیکه هر برنامه مرتبط با تشخیص چهره، الزامات مختلفی را در مورد فرآیند تجزیه و تحلیل می طلبد، تقریبا همه الگوریتم ها و رویکرد ها برای تحلیل چهره، وابسته به برنامه کاربردی هستند و استاندارد سازی و تعمیم، کاملا دشوار است. پیشینه‌ی پژوهش نشان می دهد که شبیه سازی و تقلید از سیستم بینایی انسان، یک راه حل ایده آل خواهد بود اما این شیوه، یک رویکرد پیچیده و اکتشافی است در پژوهش انجام شده، سر نخ های متعددی مانند اطلاعات در مورد بافت ها، رنگ، حرکت و حتی اطلاعات شنیداری را در نظر گرفته شد و با رشد و تکامل سریع تکنولوژی، کاربرد این امر در بسیاری از مکان ها نه بصورت کامل ولی بصورت مفید ممکن شد. در این پایان نامه، طرح پیشنهادی با هدف ترکیب عملگر الگوهای باینری محلی جهت استخراج ویژگی با طبقه بند سریع ماشین بردار ارتباط بدست آمده، طبقه بند پس از بهینه سازی پارامتر های خود، ویژگی های استخراج شده از مجموعه تصاویر Yale Face Database B را آموزش داده وجهت پیش بینی حالات چهره در تغییرات حالت و روشنایی اجرا می گردد. نتایج ارزیابی نشان می‌دهد که دقت تشخیص چهره های پایگاه داده توسط طرح پیشنهادی در حدود 74.8 درصد است.

تاريخ دفاع : 1395-6-29